Syftet med föreliggande uppsats är att undersöka om kommunala chefstjänstemän som delar politisk åsikt med kommunens styrande politiker i högre utsträckning än andra chefer också ”gör det lilla extra” på arbetet. Syftet är även att se om det är tillit till de styrande politikerna snarare än politiska åsikter som är viktigast för att förklara benägenheten att göra det lilla extra på arbetet. Detta undersöks genom att studera beteenden, prestation och engagemang på arbetet. Urvalet bestod av chefen för utbildningsförvaltningen (eller motsvarande) i Sveriges samtliga kommuner och undersökningen baserades på data insamlat med hjälp av webenkäter under hösten 2014. Av logistiska regressionsanalyser framgår att det verkar vara tillit till styrande politiker snarare än politiska åsikter som styr kommunala chefstjänstemäns benägenhet att göra det lilla extra på arbetet. Detta ger stöd åt teorin om socialt utbyte, d.v.s. att chefstjänstemännen ”i utbyte” mot politikers hänsyn och omtanke, utför beteenden som går i linje med politikernas preferenser. Det är dock möjligt att kommunala chefstjänstemän utnyttjar sin makt över politiska processer för att gynna preferenser som inte är kopplade till politisk syn. Det kan exempelvis handla om att gynna andra gruppers preferenser eller att förbättra vissa gruppers position i samhället. Det är ett uppdrag för framtida forskning att undersöka om så är fallet.

Syftet med föreliggande kvantitativa studie är att undersöka sambandet mellan socioekonomisk klassposition i vuxenlivet och risken att vårdas för schizofreni. Sambandet mellan klassposition och hälsa kan ta sig uttryck i två riktningar - något som avhandlas i kausalitetsteorin och selektionsteorin. Kausalitetsteorin utgår från att en individs klassposition påverkar ens framtida hälsa, där en lägre klassposition riskerar att leda till sämre hälsa. I kontrast till detta utgår selektionsteorin från att en individs hälsa påverkar klasspositionen, där ohälsa tenderar att leda till en lägre klassposition. Dessa teorier utgör föreliggande studies teoretiska utgångspunkt. Datamaterialet som används är “Stockholm Birth Cohort” (SBC), vilket är resultatet av en sannolikhetsmatchning mellan två avidentifierade material. Materialet består av longitudinell kohortdata som sträcker sig från år 1953 till år 2008. Analysmetoden i föreliggande studie är multipel logistisk regressionsanalys vilket är lämpligt då utfallsvariabeln har gjorts binär. Resultatet som nås är att det existerar ett signifikant samband mellan socioekonomisk klassposition i vuxenlivet och risken att vårdas för schizofreni, även när sambandet kontrollerats för föräldrarnas socioekonomiska klassposition, psykiska hälsa, utbildning, inkomst, alkoholmissbruk samt familjetyp och kohortmedlemmens kön. Då denna infallsvinkel är relativt outforskad är detta resultat därför ett relevant bidrag till forskningsfältet. Vidare har försök gjorts att undersöka riktningen på detta samband och utifrån genomförda tester verkar det som att både kausalitets- och selektionsteorin har ett förklaringsvärde beroende på ifall klassposition mäts utifrån föräldrarnas eller individens klassposition. Rimligtvis är socioekonomisk klassposition och schizofreni ömsesidigt sammanlänkande över individens livsförlopp.

Uppsatsens syfte ämnar undersöka svenskars benägenhet att välja en utrikes född partner utifrån individers bostadsort samt deras egen och föräldrars utbildning. Valet av partner analyseras utifrån ett perspektiv där valet inte sker slumpmässigt utan styrs av faktorer som påverkar möjligheterna till vilken partner svenskar träffar. Tidigare forskning har främst studerat parförhållanden mellan olika minoritetsgrupper och minoriteters tendens att ha en inrikes född partner. Eftersom parförhållanden mellan majoriteten och minoriteterna anses vara en indikator på hur starka gränserna är mellan olika grupper i samhället, är det av sociologiskt intresse att också studera hur majoritetsgruppen väljer en partner från minoritetsgrupper. Teoriavsnittet beskriver inledningsvis begreppen endogami, homogami och exogami som olika former av parförhållanden för att sedan diskutera hur svenskars partnermarknad påverkas av deras socioekonomiska resurser och sociala kontext. Datamaterialet som används i studien kommer från SUDA:s undersökning Young Adult Panel Study från år 1999 och studiens urval består av individer födda i Sverige av svenskfödda föräldrar som vid undersökningstillfället var i ett parförhållande. Logistisk regressionsanalys är den metod som tillämpats för att analysera svenskars benägenhet att ha en utrikes född partner. Studiens resultat indikerar att föräldrars utbildning, till skillnad från respondenters egen utbildning, hade en betydande effekt på benägenheten att ha en partner som är född utomlands. Det visar också att svenskar som bor i storstäder är mer benägna att ha en utrikes född partner i jämförelse med de som bor på landsbygden. Samspelet mellan individers socioekonomiska bakgrund och sociala kontext kan således påverka vilken partnermarknad som är tillgänglig för varje individ och är därmed avgörande för svenskars benägenhet att ha en utrikes född partner.

I forskningsdiskursen rörande inomstatliga konflikter finns en diskrepans mellan kvantitativa och kvalitativa studier huruvida variabeln ekonomisk ojämlikhet har en signifikant effekt på risken för konflikt eller inte. Genom att förflytta tanken från generell ojämlikhet till exploatering argumenterar uppsatsen för att rätt typ av ekonomisk ojämlikhet inte blivit operationaliserat på rätt sätt tidigare. Därefter följer en jämförelse mellan Gini och ett mått från ekonomisk historia med namnet Ineqaulity Extraction Ratio (IER) som enligt uppsatsen är ett mer dynamiskt mått för att mäta exploatering. Undersökningens dataset har två varianter av den beroende variabel för konflikt och uppsatsen finner då att IER har en signifikant effekt i båda variabelvarianter, samt ett klart övertag i en utav dom.

Syftet med denna studie är att undersöka om det finns något samband mellan klass och självskattat hälsotillstånd. Vidare undersöks eventuella skillnader i relation till antalet sociala kontakter för att se om det påverkar klasskillnader i hälsa. Hälsa är en viktig aspekt ur ett välfärdsperspektiv, klass är en annan aspekt som kan ha en betydande effekt på individens livslängd och hur friskt liv en individ lever. Sociala kontakter har även visats ha en påverkan på individens hälsa. Studiens frågeställning lyder följaktligen “har sociala kontakter betydelse för klasskillnader i självskattad hälsa?”. Det empiriska materialet baseras på data från Levnadsnivåundersökningen (LNU) insamlat år 2010 och innefattar 4415 respondenter varav både kvinnor och män i åldrarna 18–75. Vid analysen av resultaten presenteras en deskriptiv frekvenstabell och fyra logistiska regressionsmodeller. Resultatet visar ett positivt signifikant samband mellan klass och självskattad hälsa där tjänstemannaklassen skattar hälsan som god i större utsträckning än arbetarklassen. När antal nära vänner läggs till i modellen för att undersöka sambandet visar resultatet ett positivt samband vilket innebär att fler antal vänner ökar sannolikheten att skatta hälsan som god. När 0 vänner exkluderas visar resultatet att antal vänner i sig inte har en uppvisad betydelse för klasskillnader i hälsa. Denna studien bidrar med en bredare förståelse kring de faktorer som kan påverka den självskattade hälsan.

Denna studie ämnar ta reda på vilka faktorer som leder till att en Initial Coin Offering, ICO, blir framgångsrik ur en investerares perspektiv samt hur detta skiljer sig mot traditionella teknikbolag. Data från 200 ICO:s ligger till grund för studien och med hjälp av binär logistisk regressionsanalys testas ett antal modeller för att avgöra vilka faktorer som påverkar huruvida en ICO blir framgångsrik eller inte. Resultat visar att faktorer kopplade till projektets team inte har någon påverkan på dess framgång. Det som däremot visat sig spela roll är faktorer som marknadstrend under pågående ICO, typ av token som ligger till grund för projektet, huruvida det finns en gräns för hur mycket enskilda individer får investera samt hur stor andel av projektets finansieringsmål som uppnås. Viss påverkan har även projektets ursprungsland, men då endast tillsammans med övriga faktorer, inte på egen hand. Detta resultat skiljer sig mot traditionella teknikbolag främst genom att teamet inte alls har lika stor påverkan på framgång när det kommer till ICO:s.

Det har pågått ett intensivt utvecklingsarbete på Statistiska Centralbyrån (SCB) under de senaste åren i syfte att standardisera och effektivisera statistikproduktionsprocessen. I detta utvecklingsarbete har fokus främst riktats mot processerna insamling och granskning. Ett flertal studier har visat att det finns potential att reducera granskningens omfattning samtidigt som den övergripande kvaliteten i undersökningarna bibehålls. För att uppnå detta krävs att nya arbetssätt, metoder och verktyg utvecklas och implementeras. Den traditionella ansatsen på SCB har varit att i granskningsprocessen försöka hitta och rätta alla databearbetnings- och mätfel. Ingen skillnad har gjorts mellan stora och små fel eller om felen har någon effekt på statistiken eller inte. Detta är en ineffektiv ansats där stora resurser åtgår till att rätta fel som inte påverkar den statistiska redovisningen nämnvärt. I mer moderna ansatser betonas vikten av att hitta betydelsefulla fel som har stor påverkan på parameterskattningarna och att fel som inte ger någon påverkan bör lämnas som de är eller åtgärdas via imputering. Detta, att inte granska allt, kallas för selektiv granskning. SCB har beslutat att införa metoden selektiv granskning med poängfunktioner. Metoden fordrar att poängberäkningar görs, dessa utförs i verktyget Selekt. Verktyget ingår i den framtida verktygslådan för granskning som är under utveckling vid SCB och är uppbyggt av ett stort antal parametrar. För att uppnå så effektiv granskning som möjligt måste de mest lämpliga parametervärdena sökas för att sedan implementeras i Selekt. I denna studie har ett datamaterial från undersökningen Kortperiodisk Sysselsättningsstatistik, privat sektor (KSP) använts för att studera sambanden mellan statistikens kvalitet och valet av parametrar i Selekt.  Valet av datamaterial motiveras främst av att Selekt ska implementeras i KSP under år 2010. De parametrar som har behandlats i studien kallas för KAPPA, TAU och LAMBDA samt variablerna RPB_20 och Kostnad. Logistisk regression har använts för att undersöka vilken påverkan parametrarna har på den bias (kallad RPB) som införs i skattningarna vid selektiv granskning. En ansats valdes där sambandet mellan responsvariabeln RPB_20 och förklaringsvariablerna KAPPA, TAU och Kostnad studerades separat för olika värden på LAMBDA. Vid resultatframställningen indikerades tidigt att valet av värde på LAMBDA inte verkade ha någon nämnvärd betydelse för modellen och i de fortsatta analyserna stärktes denna misstanke och kom att omfatta även KAPPA och TAU. Det var redan från början känt att Kostnad är en viktig variabel att ta hänsyn till och för att undersöka detta närmare konstruerades en modell bestående av ett fjärdegradspolynom med enbart variabeln Kostnad. Modellen lyckades fånga upp huvuddragen av variationen i RPB_20. Det går inte att dra generella slutsatser från den studie som här har genomförts. Resultaten visar dock att en modell utan KAPPA, TAU och LAMBDA fungerar för att beskriva variationen i RPB_20.  Valet av värden på KAPPA, TAU och LAMBDA i Selekt är av mindre betydelse. I implementeringsarbetet av Selekt i KSP rekommenderas därför att, förutom RPB, fokusera på variabeln Kostnad för att hitta den mest lämpliga kombinationen av parameterinställningar.

Övervakad maskininlärning har gett goda resultat för automatisk namntaggning. Detta kräver dock manuellt annoterad träningsdata, vilket är krävande att ta fram. Studier har visat att likhet mellan träningsdata och testdata är viktigt för att uppnå bra resultat, men normalt sett tränas system alltid med så mycket data som möjligt, utan hänsyn till dess relevans. Syftet med denna studie är att undersöka om bättre namntaggning kan uppnås genom att utesluta de delar av träningsdatan som inte tillhör samma textdomän som testdatan. För att genomföra detta konstrueras ett system med multinomial logistisk regression som tränas och testas på Stockholm-Umeå Corpus enligt både traditionell och föreslagen metod. Undersökningen visar en liten men signifikant försämring vid användning av enbart domänspecifik träningsdata, ett resultat som dock inte är genomgående för alla delar av undersökningen. Den stora fördelen av att reducera träningsdatan är dock att det ökar maskininlärningens hastighet. För att kunna utnyttja detta föreslås att namntaggning föregås av textklassificering.

Vårdrelaterade infektioner, VRI, är ett av de största hoten mot patientsäkerheten i hälso- och sjukvården. Inte bara i Sverige utan också i resten av världen. I den här uppsatsen så har vi analyserat data från punktprevalensmätningar för VRI, PPMVRI, som utförts i Västerbotten mellan åren 2008-2015. Utifrån det givna datat har vi skapat modeller med både logistisk regression, LR, och linjär diskriminant analys, LDA. Vi jämför sedan de två metodernas förmåga att prediktera VRI med avseende på specificitet, enskilda modeller konstruerades både för hela Västerbotten men också för enskilda sjukhus och avdelningar. Vidare så undersöker vi om information kring patienters komorbiditet, alltså förekomsten av andra sjukdomar förutom den primära, kan öka metodernas prestanda. Av våra två metoder var det LR som presterade bäst med en specificitet på 32.79 % och LDA hade en specificitet på 31.20 %. För båda metoderna så visade det sig att modellen för Västerbotten presterade bättre än modellerna för enskilda avdelningar och sjukhus. Vi kom också fram till att information om patienters komorbiditet kan hjälpa till att öka specificiteten, men vi hade för få observationer (90 st med VRI och 90 st utan VRI) för att kunna ge ett definitivt svar. En överlevnadsanalys utfördes för att bekräfta tidigare resultat om att VRI-patienter har en signifikant högre 90-dagars dödlighet, vårt resultat stämde väl överens med tidigare studier. Sammanfattningsvis visade vi på att statistiska metoder kan användas för att prediktera och analysera vilka patienter som ligger i riskzonen för att drabbas av VRI, samt att det skulle behövas ytterligare studier för att undersöka huruvida information om patienters komorbiditet skulle kunna hjälpa oss att ytterligare förbättra den prediktiva förmågan hos dessa metoder.

The data used in this paper is an open source data, that was collected in Portugal over a three year period between 2004 and 2007. It consists of the physiochemical parameters, and the quality grade of the wines. This study focuses on assessing which variables that primarily affect the quality of a wine and how the effects of the variables interact with each other, and also compare which of the different classification methods work the best and have the highest degree of accuracy. The data is divided into red and white wine where the response variable is ordered and consists of the grades of quality for the different wines. Due to the distribution in the response variable having too few observations in some of the quality grades, a new response variable was created where several grades were pooled together so that each different grade category would have a good amount of observations. The statistical methods used are Bayesian ordered logistic regression as well as two data mining techniques which are neural networks and decision trees. The result obtained showed that for the two types of wine it is primarily the alcohol content and the amount of volatile acid that are recurring parameters which have a great influence on predicting the quality of the wines. The results also showed that among the three different methods, decision trees were the best at classifying the white wines and the neural network were the best for the red wines.